教學比喻產生器

概念：Self-attention 機制（Transformer 核心）
學員：資深工程師，平常會寫 code、追技術部落格、玩 ML 但沒碰過 Transformer
類型：全勾
用途：章節中段解釋（2 分鐘版）

## 比喻 1：朋友圈八卦傳播 **核心**：Self-attention 像是一群朋友在群組裡同時掃所有人的訊息，判斷「誰跟我這次對話最有關」。 **對應表**： | 比喻 | Self-attention | |---|---| | 群組成員 | 每個 token | | 看別人訊息 | Query × Key | | 判斷誰最有關 | Attention weight | | 我決定要回什麼 | Weighted sum of Values | **講師段落（90 秒）**： > 「想像你跟 20 個朋友在 LINE 群組裡。某個人發了訊息 — 你的大腦會自動掃所有人最近的訊息，判斷『這次對話跟誰有關係』。可能 80% 跟發訊息的人有關、15% 跟昨天吵架那個有關、5% 跟壽星有關。」（停 1 秒）「Self-attention 做一模一樣的事 — 每個 token 都會 query 所有其他 token、算出 attention weight、加權回來。差別只是它在 30 維、不在 LINE 群。」 **踩雷**：學員會 over-extend 想成「真的有意識」 — 提醒「沒有意識、只是數學運算」 --- ## 比喻 2：廚房裡的調味（給也會做菜的工程師） **核心**：Multi-head attention 像是同時用 8 種調味料試菜 — 每個 head 抓不同層次的「對應關係」。 **對應表**： | 比喻 | Multi-head | |---|---| | 8 種調味料 | 8 個 head | | 試菜時你的舌頭 | Query | | 食材本身 | Key / Value | | 最後上桌的味道 | Concat + Linear | **講師段落（90 秒）**： > 「想像你要試一道湯。一個 head 抓鹹度、一個抓甜度、一個抓辣度、一個抓鮮度、一個抓油膩度... 8 個 head 同時嘗，每個 head 只負責一個維度。最後你的腦把 8 個味覺資訊整合 → 給湯一個總評。」 **踩雷**：8 個 head 不是「真的」對應 8 個語意維度 — 它是 emergent，不能說「head 3 一定抓主詞」 --- ## 比喻 5：戀愛中的察言觀色 （給比較感性的工程師） **核心**：Self-attention 就是你在約會時同時掃對方「眼神 / 語氣 / 用詞 / 距離」 — 4 個維度同時 attend、推測對方真的想說什麼。 **講師段落（90 秒）**： > 「想想你跟喜歡的人約會。對方說『今天好累』 — 你不會只聽字面。你會同時 attend 4 件事：他的眼神（疲憊還是失望）、語氣（平淡還是低落）、剛剛走路的距離（拉開還是貼近）、之前的訊息（突然冷淡還是穩定）。你的大腦在毫秒內把這 4 維加權算出『他其實想表達 X』 — 這就是 multi-head self-attention。」 **踩雷**：別讓學員覺得「機器有戀愛感覺」 — 強調是「同時 attend 多維度資訊的數學」 （共 10 個比喻）